中小微企業(yè)對(duì)后疫情時(shí)代信貸風(fēng)險(xiǎn)評(píng)估的優(yōu)化策略

我國(guó)中小微企業(yè)在吸收剩余勞動(dòng)力、提高地方財(cái)政收入、推動(dòng)社會(huì)發(fā)展等方面，在推動(dòng)國(guó)民經(jīng)濟(jì)發(fā)展中發(fā)揮了重要作用[1]。2020年年初，受全球疫情沖擊，世界經(jīng)濟(jì)嚴(yán)重衰退，產(chǎn)業(yè)鏈、供應(yīng)鏈循環(huán)受阻，住宿餐飲、交通運(yùn)輸、文化旅游、休閑娛樂和批發(fā)零售等行業(yè)市場(chǎng)均有所萎縮[2-3]。其中，中小微企業(yè)相比于其他類型企業(yè)面臨更為嚴(yán)峻的考驗(yàn)，超15.7%的中小微企業(yè)由于負(fù)債過高而倒閉，無力償還貸款，給我國(guó)信貸行業(yè)帶來了較大沖擊[4]。

因此，依據(jù)不同行業(yè)、不同類型、不同經(jīng)濟(jì)成分企業(yè)所受疫情等突發(fā)因素影響程度的大小，對(duì)以往研究中的風(fēng)險(xiǎn)評(píng)估模型進(jìn)行優(yōu)化調(diào)整，就顯得尤為重要[5-6]。此外，本文基于其他類型突發(fā)因素的強(qiáng)度、頻率和發(fā)生概率對(duì)不同行業(yè)、不同類型企業(yè)的多維度影響模型進(jìn)行了推測(cè)假想。

1 模型建構(gòu)及求解

為提升企業(yè)信貸風(fēng)險(xiǎn)評(píng)估模型Y的準(zhǔn)確性和普適性，我們引入了一個(gè)突發(fā)因素對(duì)信貸風(fēng)險(xiǎn)的總影響T（T∈R），表征突發(fā)因素的發(fā)生概率、類型、強(qiáng)度、頻率對(duì)不同行業(yè)領(lǐng)域和不同成分類型的企業(yè)影響程度，即存在突發(fā)因素對(duì)企業(yè)信貸風(fēng)險(xiǎn)評(píng)估產(chǎn)生的整體影響。

1.1 構(gòu)建新冠疫情總影響T'的指標(biāo)評(píng)價(jià)體系

我們以2020年最為嚴(yán)重的新冠肺炎疫情為例，利用AHP法分析其對(duì)不同行業(yè)、不同類型企業(yè)影響程度的相對(duì)大小，構(gòu)建T'指標(biāo)評(píng)價(jià)體系，如表1所示。

表1 新冠肺炎疫情對(duì)信貸風(fēng)險(xiǎn)值產(chǎn)生的總影響評(píng)價(jià)指標(biāo)體系

1.2 判斷矩陣M構(gòu)建

以準(zhǔn)則層指標(biāo)的比較為例，Q1至Q2位于準(zhǔn)則層，且同屬于目標(biāo)層指標(biāo)T。設(shè)判斷矩陣M1=(dij)2×2，(i，j=1，2)，dij表示Qi相對(duì)于Qj的重要性。矩陣M1=(dij)2×2即為表示準(zhǔn)則層指標(biāo)Q1至Q2針對(duì)目標(biāo)層指標(biāo)相對(duì)重要性的判斷矩陣。

矩陣M1

矩陣M2

矩陣M3

1.3 特征值法計(jì)算權(quán)重

按照此特征值法，計(jì)算各矩陣對(duì)應(yīng)的權(quán)重向量表征各因素受疫情影響程度。

對(duì)應(yīng)于判斷矩陣M1的權(quán)重向量記為W’=(0.8,0.4)

對(duì)應(yīng)于判斷矩陣M2的權(quán)重向量記為W’：

對(duì)應(yīng)于判斷矩陣M3的權(quán)重向量記為W’’：

W’’=（0.0203，0.2488，0.0807，0.2858，0.1077，0.1527，0.0624，0.0416）T

1.4 檢驗(yàn)矩陣一致性

按照以上兩步計(jì)算得：

均達(dá)到CR≤0.1的要求，表明各判斷矩陣的一致性可以接受。

表1顯示：對(duì)A組運(yùn)動(dòng)前和運(yùn)動(dòng)后所測(cè)積極幸福感、心理煩惱和疲勞三項(xiàng)指標(biāo)的平均分?jǐn)?shù)分別為 17.83 分和19.17 分、9.17 分和 8.67分、11.08分和11.21 分，經(jīng)配對(duì)樣本 T 檢驗(yàn)分析所得，A組運(yùn)動(dòng)前和運(yùn)動(dòng)后積極幸福感得分高，且具有顯著性差異(P<0.05)，說明慢跑對(duì)大學(xué)生的積極幸福感獲得是有正向作用的。但是在心理煩惱和疲勞得分方面，對(duì)運(yùn)動(dòng)前和運(yùn)動(dòng)后無顯著性差異(P>0.05)。

2 信貸額度調(diào)整策略

新冠肺炎疫情會(huì)對(duì)不同行業(yè)、不同經(jīng)濟(jì)成分類型的企業(yè)產(chǎn)生不同的影響，即上文中模型求解得出的各項(xiàng)權(quán)重。

令新冠肺炎疫情對(duì)某類型企業(yè)的總影響T'=0.8λQ1+0.2λQ1，按照上文中的9個(gè)行業(yè)、8個(gè)企業(yè)類型分別計(jì)算T'值大小：

表2 信貸額度調(diào)整策略T'值

其中交通物流類的個(gè)體經(jīng)濟(jì)的T'值最大，高達(dá)0.2938，表明新冠肺炎疫情對(duì)于該類型企業(yè)打擊最大，即銀行投資該企業(yè)的借貸風(fēng)險(xiǎn)最高；房地產(chǎn)行業(yè)的國(guó)有企業(yè)T'值最小，低至0.0199，表明新冠肺炎疫情對(duì)于該企業(yè)的借貸風(fēng)險(xiǎn)的影響最低。

按照值T'進(jìn)行策略等級(jí)S的評(píng)定，T'值越高則相應(yīng)策略等級(jí)越靠后，即企業(yè)受新冠疫情的打擊越重，越無法從銀行得到優(yōu)惠的信貸策略。顯然，銀行應(yīng)給予T'值較小的企業(yè)更多的借貸優(yōu)惠以取得穩(wěn)定收益。

表3 由T'決定的策略

以相關(guān)數(shù)據(jù)為參考，銀行信貸浮動(dòng)可分配額還有400萬元，這也是我們用于模型調(diào)整的主要資金來源。

(1)當(dāng)T'∈[0.0199，0.0433]，企業(yè)策略等級(jí)為I的12家產(chǎn)業(yè)信貸額度漲幅在4%～5%內(nèi)，針對(duì)信貸額度更小者給予略大的信貸額度漲幅。

(2)當(dāng)T'∈[0.04382，0.0703]，策略等級(jí)為II的12家企業(yè)信貸額度漲幅在3%～4%內(nèi)，針對(duì)信貸額度值更小者給予略大的信貸額度漲幅。

(3)當(dāng)T'∈[0.07064，0.10726]，策略等級(jí)為III的12家企業(yè)信貸額度漲幅在2%～3%內(nèi)，針對(duì)信貸額度值更小者給予略大的信貸額度漲幅。

(4)當(dāng)T'∈[0.11266,0.2938]，策略等級(jí)為IV、V的28家企業(yè)，不提供信貸額度漲幅。

3 多元突發(fā)因素的策略猜想

新冠肺炎疫情屬于突發(fā)感染性公共衛(wèi)生事件，與其他不同類型、不同強(qiáng)度、不同發(fā)生概率和頻率的突發(fā)因素對(duì)于某一給定企業(yè)的信貸風(fēng)險(xiǎn)影響程度區(qū)別顯著。此外，不同行業(yè)領(lǐng)域、不同成分類型的企業(yè)受某一給定突發(fā)因素的影響程度也不盡相同。

我們?cè)诙嘣话l(fā)因素對(duì)于各個(gè)企業(yè)信貸風(fēng)險(xiǎn)的處理中，極易忽略突發(fā)因素總影響T的決定因子——突發(fā)因素發(fā)生概率Tp[Tp∈(0.1)]。

Tp趨近于0，表明突發(fā)因素幾乎不可能發(fā)生；

Tp越大則突發(fā)因素發(fā)生的可能性越高；

Tp=1時(shí)，表明該突發(fā)因素已經(jīng)發(fā)生(如新冠肺炎疫情、南方洪澇災(zāi)害等)。

結(jié)合Tp的取值，我們可以進(jìn)行已有突發(fā)因素的影響程度考察，也可賦值對(duì)未發(fā)生的突發(fā)因素進(jìn)行預(yù)判。

設(shè)突發(fā)因素類型T1、突發(fā)因素強(qiáng)度T2和突發(fā)因素頻率T3，即三者均為總影響T的層次影響因子，即不同層次對(duì)T值有不同程度的影響。

由上述關(guān)系給出定義式：

其中α、β和γ可通過層次分析法計(jì)算求值。若T>0，則表明該突發(fā)因素使企業(yè)信貸風(fēng)險(xiǎn)增大；若T=0，表明該突發(fā)因素對(duì)企業(yè)信貸風(fēng)險(xiǎn)無影響；若T＜0，表明該突發(fā)因素使信貸風(fēng)險(xiǎn)減小。

而突發(fā)因素往往對(duì)不同行業(yè)、不同類別的企業(yè)會(huì)有不同的影響，因此我們推測(cè)可以將10種行業(yè)和8種類型的企業(yè)數(shù)據(jù)作為自變量，令T1、T2、T3作為行業(yè)領(lǐng)域和企業(yè)成分類型的函數(shù)進(jìn)行分析，再利用最小二乘法擬合系數(shù)。

最終，我們可依據(jù)突發(fā)因素總影響T完善企業(yè)風(fēng)險(xiǎn)評(píng)估模型的函數(shù)構(gòu)造，進(jìn)而調(diào)整信貸策略。